Levy噪声下自适应级联三稳随机共振系统研究

在Levy噪声驱动下,以级联三稳态随机共振为模型,首先研究了不同特征参数、对称参数条件下输入信噪比随噪声强度D的变化;然后以谱峰值和平均信噪比增益为性能指标,针对高、低频信号级联三稳随机共振现象进行了研究;最后将其应用到轴承故障检测中。研究表明,通过自适应算法选取最优参数a、b和c,可诱导级联三稳系统发生随机共振,从而实现对目标信号的检测。结果表明,特征参数越大,输入信噪比达到稳定状态需要的噪声强度越大,而对称参数几乎没有影响;选取相同的系统参数a=0. 5、b=0. 5、c=0. 8时,级联三稳系统的检测效果要比单级三稳系统有更好的随机共振输出,在小参数信号检测中,单级输出平均信噪比增益为25. 46 d B,第2级输出平均信噪比增益为28. 38 d B。此外,在轴承故障检测中级联三稳系统也显示出更好的检测效果。此系统对于微弱信号的检测具有重要的研究意义也有着良好发展前景。     

基于联合单势阱和Woods-Saxon势的随机共振系统研究

传统双稳随机共振系统在检测低输入信噪比的信号时,其系统参数难以达到最佳,故得不到最佳检测效果。针对这一问题,将单势阱模型与Woods-Saxon模型相结合提出一种MWS型双稳随机共振系统,其系统参数之间相互独立,所以可通过调节系统参数来得到最佳输出信噪比。仿真结果表明,对于单频小参数信号,其信噪比增益为16.92 dB,对单频大参数信号,其信噪比增益为12.41 dB。最后将MWS型双稳随机共振系统应用到轴承故障检测中,能准确的检测到故障信号,且其检测结果优于传统双稳随机共振系统。     

双阈值系统中的随机共振研究

通过双阈值系统中的随机共振特性,研究含有高斯白噪声的信号。在一定条件下,由于系统、信号和噪声的协同作用而产生随机共振现象,并通过某一噪声强度下的信号增益及信噪比增益表现出来。最后,通过MATLAB仿真演示了信号增益和信噪比增益与输入噪声强度的关系。     

基于调制随机共振的转子故障早期检测

噪声是影响旋转机械早期故障检测的主要因素。只有抑制噪声增强信号、提高信噪比,才能从噪声中提取故障特征信息,为故障诊断特别是早期故障检测提供可靠的依据。文中根据非线性双稳系统在噪声和弱周期信号作用下的周期响应特性,将调制技术与随机共振原理相结合,提出了调制随机共振方法,实现了在较宽的频率范围内从强噪声中检测微弱周期信号。理论分析、数值仿真和实验结果表明,对信号进行调制产生的差频分量可形成低频信号,该低频信号通过双稳系统易产生随机共振,从而使随机共振发生在具有优良频率特性的低频区,能使微弱的故障信号特征突出、明显而易于捕捉。该方法灵活、可靠,在转子系统早期故障检测方面的应用是可行的。     

基于DSP的自适应随机共振微弱信号检测方法*

随机共振是一种有效检测微弱信号的非线性方法,对它的研究和实现具有重要的工程应用价值。针对工业现场存在的背景噪声未知的高频微弱信号（不满足绝热近似理论条件）的随机共振检测问题,提出了基于参数补偿的自适应参数诱导随机共振方法,以系统输出信噪比作为适应度函数,将系统势垒与噪声强度大致相等时可产生最佳的随机共振效应作为知识,采用基于知识的粒子群优化算法来并行优化随机共振系统的参数。设计了基于DSP的自适应随机共振检测系统,实现了对信号的实时处理,并通过ModbusRtu协议将检测结果实时显示在触摸屏上,从而实现微弱信号的检测。     

Levy 噪声下欠阻尼指数型三稳随机共振系统研究

针对经典双稳随机共振(CBSR)系统在微弱信号放大检测方面的困难,提出了Levy噪声下的欠阻尼指数型三稳随机共振(UETSR)系统。将双稳态和指数势函数相结合,利用非高斯噪声可有效提升信噪比的特性,构造出UETSR系统。首先推导该系统的稳态概率密度函数,以平均信噪比增益为衡量指标,采用量子粒子群算法进行参数寻优,研究在Levy噪声的不同参数α与β下,系统各参数对UETSR输出变化规律的影响。最后将UETSR、CBSR和经典三稳系统(CTSR)应用于轴承故障诊断中,系统输出后的内外圈故障频率处的幅值较输入信号分别增长了197.58,1.153,18.81和238.87,26.63,39.72,最高峰与次高峰的谱级比分别为5.44,4.03,3.85和5.10,3.79,5.05。实验结果表明,不同系统参数均可诱导产生SR现象,且UETSR系统的性能明显优于CBSR和CTSR,具有良好的工程应用价值。     

基于单势阱随机共振的多频周期微弱信号检测

经典随机共振（SR）应用于微弱信号检测,在取得较好效果的同时也带来了最佳系统参数调节困难的问题.单势阱随机共振（SSR）只需调整一个系统参数,更容易调整系统到最佳状态.在研究了单势阱随机共振理论基础上,对多频周期信号加上与实际更为接近的色噪声,采用互相关系数作为测度指标,运用自适应方法寻找系统最优参数后,系统设置该参数,从待测信号中检测出多频周期微弱信号.实验结果表明单势阱随机共振对多频周期微弱信号具有较好的检测效果.     

随机振幅周期信号驱动的一阶线性系统的随机共振

在非对称双值噪声条件下,研究了随机幅度周期信号作用的含有乘性噪声的一阶线性系统的随机共振现象.利用随机平均法、Shapiro-Loginov公式和非对称双值噪声的属性,得到了平均输出幅度增益的精确表达式.分析表明,平均输出幅度增益对信号频率、系统参数、乘性噪声的强度、相关时间和非对称性存在非单调依赖关系,这种非单调依赖关系有最大值出现;平均输出幅度增益对乘性噪声与幅度噪声之间的关联噪声强度也存在非单调依赖关系,但这种非单调依赖关系出现的是最小值.适当的信号、噪声和系统参数可以使平均输出幅度增益取得最大值或最小值.     

微弱瞬态电磁辐射信号的双耦合Duffing振子自适应检测方法

以研究瞬态电磁辐射信号的远距离探测手段为目的,得到了适用于高频瞬态信号的改进双耦合Duffing振子自适应检测算法。首先分析了双耦合Duffing系统对瞬态放电信号的检测性能,发现该系统对高频信号的检测灵敏度较差,且背景噪声会影响系统的同步效果,导致目标信号误判。基于此对系统算法进行了改进,引入了信号变尺度处理和自适应调节驱动力幅值的算法,利用仿真以及实验验证了该系统的可行性。仿真及实验结果表明,在微弱窄带信号及高斯噪声的干扰下,检测算法能将信噪比–20 d B的放电信号检测出来;且当信噪比–20 d B时,系统的检测概率能90%,检测信噪比–20 d B时,系统的虚警概率控制为1%,能够满足工程应用中对检测概率的需求。可见改进算法能够克服双耦合Duffing振子模型存在的弱点,通过待检信号展宽及自动调节驱动力幅值,得到最佳系统检测态,将淹没在背景噪声中的瞬态电磁辐射信号检测出来,为进一步远距离探测的工程应用提供了理论指导。     

随机共振及其微弱信号的自适应检测

本文简要介绍了随机共振(SR)原理、研究现状和测量方法,提出了非线性双稳态系统的参数自适应调节方法.根据系统输出与系统参数、输入信号之间的变化规律,得到了系统在不同频率范围的变化趋势,通过多个测量参数检测并做出判断,利用软件控制的方法明显提高了信噪比(SNR),免去了求解复杂的统计微分方程.数值仿真的结果验证了此方法的正确性.     

Levy噪声中EMD降噪的随机共振研究

经验模态分解(empirical mode decomposition,EMD)降低噪声的同时也削弱信号能量,并会产生虚假信号,导致信号检测存在缺陷,针对这一问题,提出Levy噪声环境下经验模态分解随机共振检测方法。通过将含噪信号进行EMD分解,对分解后信号进行叠加取平均二次采样等处理方法,使其满足随机共振要求,利用自适应算法优化系统参数,进而使处理后信号能够在双稳系统中产生随机共振,达到精确检测的目的。理论分析及实验证明在Levy噪声下,此方法能实现同一特征指数下单频信号与多频信号检测,实验表明在单频信号信噪比为-28 dB情况下能有14 dB的提高,特征指数为1.8下多频信号5 Hz频谱幅值从311.8增加到724,10 Hz频谱幅值由138.9增加到143.2。此方法对在复杂噪声环境中降低剩余噪声能量同时,提高信号能量,减少虚假信号,相对于仅仅进行EMD分解无法判断信号成分,能更好的达到检测效果。     

机械故障的级联共振和EMD联合参数辨识方法

针对强噪声背景下机械故障信号难以检测,参数辨识难度高的问题,提出了基于级联随机共振和经验模态分解的联合参数辨识方法。该方法利用EMD分层分解的思想,可以结合标准平均方差(Normalized Mean Squared Error,NMSE)准则筛选出最优IMF分量,最终实现原信号频率特征参数的准确拟合。实验结果表明,文中算法可有效消除随机共振处理后信号的边缘脉冲,进而实现信号频率的准确检测。在信噪比低于-15 dB时,算法的检测性能提升了约一个数量级,在固定检测差错概率为10~(-3)时,算法的信噪比增益可达到8 dB。新算法对于机械故障信号中的频率参数辨识具有检测误差小、适应范围广泛的优势,在保证带来一定信噪比增益的同时,可实现工程器件状态的准确判断,对于提取机械系统的故障特征、识别故障类型以及进一步地排故检修具有重要意义。     

采用自适应随机共振技术进行微弱局部放电信号检测

为实现对微弱放电目标的定位,提出了一种基于自适应随机共振技术检测微弱局部放电信号的方法。分别以具有不同持续时间的双指数函数和双指数衰减振荡函数模拟局部放电信号,加入强高斯噪声;利用该方法提取微弱放电信号,并通过实验验证了该方法的准确性。结果表明,在不同强度的噪声环境中,当尺度变换系数与信号采集频率的数量级相当、系统主要参数选取为信号持续时间的数十倍时,系统可达到随机共振状态,噪声部分能量将转移至放电信号,使得微弱的放电信号得到增强。该方法检测效果优于匹配滤波,为微弱局部放电信号检测提供了一种新方法。     

基于自适应随机共振的异步电动机转子断条故障检测

异步电动机转子断条故障检测属于强噪声背景下故障的微弱信号检测问题。由于不同转差率下电机具有不同的转子断条故障特征频率，给随机共振最佳系统参数调节增加了难度。针对上述问题，在已有Hilbert模量法的基础上，提出了基于自适应随机共振的异步电动机转子断条故障检测方法。通过应用小波消噪、随机共振技术，改进了转子断条故障特征信号的检测灵敏度。随机共振参数的自适应调节进一步增强了该方法的实用性，与传统方法相比，该方法在各种情况下尤其是在噪声强度、电机类型及运行状况未知时，仍能有效检测转子断条故障，具有较好的自适应性。数值仿真和实验分析证明了该方法的有效性。     

随机共振的两种仿真方法研究

介绍了利用随机共振效应检测微弱信号的原理,分别通过Matlab编程和Simulink建模研究了系统的随机共振现象。两种仿真结果表明,随机共振能有效地实现微弱周期信号的检测,并且提取出信号的频率。对于强噪声背景下的弱周期信号的检测,Simulink建模方法具有很大的优越性,建模简单且幅值失真较轻。     

基于信号预处理的杜芬振子弱信号检测方法

杜芬振子对周期信号极其敏感,对噪声具有较强免疫力,被研究用于强噪声背景下弱周期信号的检测及其各项参数的测量。为进一步提高杜芬振子检测含噪信号的性能,本文提出了先对待测信号预处理再送入杜芬振子的弱信号检测算法,并在理论上进行了证明。该方法先将待测信号分割、叠加、延拓再送入杜芬振子进行检测,仿真表明该方法在将信号分割成多段、叠加、延拓时可获得较大的信噪比增益,其中分割数目为3时,检测信噪比下限降低约为2 dB,分割数目为5时,检测信噪比下限降低约为3 dB。     

基于随机共振理论的异步电动机转子断条检测新方法

现场采样获得的电动机故障信号通常会含有很多噪声.传统的方法是对故障信号消噪后进行分析,但在消噪的同时会丢失一些有用信息.本文提出了基于随机共振(SR)理论的异步电动机转子断条早期故障检测新方法.该方法是通过选择合适的系统参数,使非线性系统发生随机共振,把一部分噪声能量转化成信号能量,达到异步电动机转子断条早期故障检测的目的.实验分析结果表明该方法是切实可行的.     

变相位周期策动力杜芬振子弱信号检测方法

杜芬振子能有效检测出淹没在噪声中的正弦信号,并且对噪声具有免疫力,但是随着信号信噪比进一步降低,传统混沌检测方法的漏报概率快速增加直至无法检测出被噪声完全淹没的信号。针对此问题,提出了一种变相位周期策动力杜芬振子弱信号检测方法,该方法利用了杜芬振子的初值敏感性,通过改变系统内置周期策动力的初始相位对接收的信号进行并行检测以降低检测的漏报机率,进而降低了信号检测的错误率,使杜芬振子能在更低信噪比下进行信号检测。仿真实验表明,相同参数条件下文中方法可以保持传统理论对噪声的可靠免疫,并且在检测错误率为零时,新方法可以将混沌理论的检测信噪比降低约10 d B。     

基于混沌理论的电力系统微弱谐波检测方法研究

针对微弱谐波信号时频域分析检测方法在宽谱环境噪声较强场景中无法识别目标信号的缺陷,首先引入混沌系统的随机共振原理,在信号成分完全未知的情况下,利用随机噪声增强微弱目标信号进行频率盲检。进一步引入Duffing混沌系统,利用其对特定频率周期信号幅值的极高敏感性和噪声抵抗力,对检出的各谐波频率分量进行幅值精准检测。在经典随机共振模型的基础上,通过归一化改进了系统参数。结合Duffing混沌系统模型,设计了实时检测控制策略。通过粒子群寻优算法,以系统输入输出信号的互相关系数为适应度函数,寻找最优系统参数。对强随机噪声背景下的多整次谐波与间谐波混叠的谐波信号进行了仿真实验。结果表明,所提方法能在恶劣的噪声环境中,实现各谐波分量的无差频率检测与高精度幅值检测。     

基于耦合混沌的局部放电信号检测

为了有效地检测局部放电脉冲信号,利用双耦合Duffing混沌振子瞬态同步突变现象对脉冲信号的敏感性和对白噪声的免疫能力,将双耦合Duffing振子应用于电机局部放电脉冲信号的检测中。根据局部放电脉冲信号的时频特性,构建适于局部放电检测的双耦合Duffing振子系统,设置双耦合Duffing振子的初始值、耦合因数、外部策动力的周期和幅值,以振子间的同步误差来检测微弱的局部放电信号。仿真测试结果表明,利用该方法检测局部放电脉冲信号,在低信噪比的条件下能取得良好的检测效果。